CN109299316A - 音乐推荐方法、装置和计算机设备 - Google Patents
音乐推荐方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN109299316A CN109299316A CN201811332639.4A CN201811332639A CN109299316A CN 109299316 A CN109299316 A CN 109299316A CN 201811332639 A CN201811332639 A CN 201811332639A CN 109299316 A CN109299316 A CN 109299316A
- Authority
- CN
- China
- Prior art keywords
- song
- target user
- user
- mentioned
- interest
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
- G06F16/63—Querying
- G06F16/635—Filtering based on additional data, e.g. user or group profiles
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提出了一种音乐推荐方法、装置和计算机设备，其中，上述音乐推荐方法包括：从音乐播放应用提供的曲库中选择第一歌曲和第二歌曲；获取使用所述音乐播放应用的用户中喜欢所述第一歌曲的第一用户集合，以及喜欢所述第二歌曲的第二用户集合；获取所述第一用户集合和所述第二用户集合的交集，从所述交集中选择目标用户；获取所述目标用户对所述第一歌曲的兴趣度，以及获取所述第一歌曲与所述第二歌曲的相似度；根据所述相似度和所述目标用户对所述第一歌曲的兴趣度，计算所述目标用户对所述第二歌曲的兴趣度；根据所述目标用户对所述第二歌曲的兴趣度，向所述目标用户推荐歌曲。本申请可以实现根据曲库中歌曲的相似度和目标用户的兴趣为目标用户推荐歌曲，盘活曲库中的海量作品。
Description
【技术领域】
本申请涉及音乐数据处理技术领域，尤其涉及一种音乐推荐方法、装置和计算机设备。
【背景技术】
现有相关技术中，用户在收听歌曲时通常利用两种途径，一种是使用传统的音频播放器在本地播放，另一种是通过网络进行在线搜索或试听。传统的音频播放器只能播放用户已有的音乐文件，不能拓展用户的收听范围，不能帮助用户根据其兴趣爱好而发掘其他歌曲。通过网络在线搜索试听的方式，扩展了用户的收听范围。
目前，市面上主流的音乐软件的网络曲库量都在百万甚至千万级别，而单个用户的时间、精力有限不可能就所有歌曲进行试听，所以便造成了在整体曲库中只占很小一部分的热门歌曲占据了绝大多数用户流量的情况。而曲库中剩余的海量音乐资源便得到了闲置，通常这些歌曲被称为长尾产品，但是，现有技术中并没有提供盘活曲库中长尾产品的解决方案。
【发明内容】
本申请实施例提供了一种音乐推荐方法、装置和计算机设备，以实现根据曲库中歌曲的相似度和目标用户的兴趣为目标用户推荐歌曲，盘活曲库中的海量作品。
第一方面，本申请实施例提供了一种音乐推荐方法，包括：从音乐播放应用提供的曲库中选择第一歌曲和第二歌曲；获取使用所述音乐播放应用的用户中喜欢所述第一歌曲的第一用户集合，以及喜欢所述第二歌曲的第二用户集合；获取所述第一用户集合和所述第二用户集合的交集，从所述交集中选择目标用户；获取所述目标用户对所述第一歌曲的兴趣度，以及获取所述第一歌曲与所述第二歌曲的相似度；根据所述相似度和所述目标用户对所述第一歌曲的兴趣度，计算所述目标用户对所述第二歌曲的兴趣度；根据所述目标用户对所述第二歌曲的兴趣度，向所述目标用户推荐歌曲。
其中在一种可能的实现方式中，所述获取所述第一歌曲与所述第二歌曲的相似度包括：根据所述第一用户集合所包含的用户的数量和所述第二用户集合所包含的用户的数量，计算所述第一歌曲和所述第二歌曲的相关性；通过所述目标用户喜欢的歌曲的数量对所述第一歌曲和所述第二歌曲的相关性进行惩罚，获得所述第一歌曲和所述第二歌曲的相似度。
其中在一种可能的实现方式中，所述第二歌曲包括至少两首歌曲；所述根据所述目标用户对所述第二歌曲的兴趣度，向所述目标用户推荐歌曲包括：根据所述目标用户对至少两首第二歌曲的兴趣度，对所述至少两首第二歌曲进行排序，获得对所述目标用户的初始推荐结果；对所述初始推荐结果进行排序，获得所述目标用户的最终推荐结果；将所述最终推荐结果中的歌曲推荐给所述目标用户。
其中在一种可能的实现方式中，所述对所述初始推荐结果进行排序，获得所述目标用户的最终推荐结果包括：获取所述目标用户的听歌行为，所述目标用户的听歌行为包括所述目标用户的听歌记录、对歌曲的点赞、分享和/或切歌的行为；根据所述目标用户的听歌行为对所述初始推荐结果进行排序，获得所述目标用户的最终推荐结果。
其中在一种可能的实现方式中，所述对所述初始推荐结果进行排序，获得所述目标用户的最终推荐结果包括：按照预定的周期或者定时对所述初始推荐结果进行排序，获得所述目标用户的最终推荐结果。
其中在一种可能的实现方式中，所述方法还包括：当所述目标用户首次使用所述音乐播放应用时，获取所述目标用户在网络的历史记录和所述目标用户选择的音乐标签；根据所述目标用户在互联网的历史记录和所述目标用户选择的音乐标签，为所述目标用户推荐歌曲。
第二方面，本申请实施例提供一种音乐推荐装置，包括：选择模块，用于从音乐播放应用提供的曲库中选择第一歌曲和第二歌曲；获取模块，用于获取使用所述音乐播放应用的用户中喜欢所述第一歌曲的第一用户集合，以及喜欢所述第二歌曲的第二用户集合；获取所述第一用户集合和所述第二用户集合的交集，从所述交集中选择目标用户；以及获取所述目标用户对所述第一歌曲的兴趣度，以及获取所述第一歌曲与所述第二歌曲的相似度；计算模块，用于根据所述相似度和所述目标用户对所述第一歌曲的兴趣度，计算所述目标用户对所述第二歌曲的兴趣度；推荐模块，用于根据所述计算模块计算的所述目标用户对所述第二歌曲的兴趣度，向所述目标用户推荐歌曲。
其中在一种可能的实现方式中，所述获取模块，具体用于根据所述第一用户集合所包含的用户的数量和所述第二用户集合所包含的用户的数量，计算所述第一歌曲和所述第二歌曲的相关性；通过所述目标用户喜欢的歌曲的数量对所述第一歌曲和所述第二歌曲的相关性进行惩罚，获得所述第一歌曲和所述第二歌曲的相似度。
其中在一种可能的实现方式中，所述推荐模块包括：排序子模块，用于当所述第二歌曲包括至少两首歌曲时，根据所述目标用户对至少两首第二歌曲的兴趣度，对所述至少两首第二歌曲进行排序，获得对所述目标用户的初始推荐结果；以及对所述初始推荐结果进行排序，获得所述目标用户的最终推荐结果；歌曲推荐子模块，用于将所述排序子模块获得的最终推荐结果中的歌曲推荐给所述目标用户。
其中在一种可能的实现方式中，所述排序子模块，具体用于获取所述目标用户的听歌行为，所述目标用户的听歌行为包括所述目标用户的听歌记录、对歌曲的点赞、分享和/或切歌的行为；根据所述目标用户的听歌行为对所述初始推荐结果进行排序，获得所述目标用户的最终推荐结果。
其中在一种可能的实现方式中，所述排序子模块，具体用于按照预定的周期或者定时对所述初始推荐结果进行排序，获得所述目标用户的最终推荐结果。
其中在一种可能的实现方式中，所述获取模块，还用于当所述目标用户首次使用所述音乐播放应用时，获取所述目标用户在网络的历史记录和所述目标用户选择的音乐标签；所述推荐模块，还用于根据所述目标用户在互联网的历史记录和所述目标用户选择的音乐标签，为所述目标用户推荐歌曲。
第三方面，本申请实施例提供一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上所述的方法。
第四方面，本申请实施例提供一种非临时性计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的方法。
以上技术方案中，从音乐播放应用提供的曲库中选择第一歌曲和第二歌曲，获取使用上述音乐播放应用的用户中喜欢上述第一歌曲的第一用户集合，以及喜欢上述第二歌曲的第二用户集合，获取上述第一用户集合和上述第二用户集合的交集，从上述交集中选择目标用户，获取上述目标用户对第一歌曲的兴趣度，以及获取上述第一歌曲与上述第二歌曲的相似度，根据上述相似度和上述目标用户对上述第一歌曲的兴趣度，计算上述目标用户对第二歌曲的兴趣度，最后根据上述目标用户对第二歌曲的兴趣度，向上述目标用户推荐歌曲，从而可以实现根据曲库中歌曲的相似度和目标用户的兴趣为目标用户推荐歌曲，盘活了曲库中的海量作品。
【附图说明】
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本申请音乐推荐方法一个实施例的流程图；
图2为本申请音乐推荐方法另一个实施例的流程图；
图3为本申请音乐推荐方法再一个实施例的流程图；
图4为本申请音乐推荐方法再一个实施例的流程图；
图5为本申请音乐推荐装置一个实施例的结构示意图；
图6为本申请音乐推荐装置另一个实施例的结构示意图；
图7为本申请计算机设备一个实施例的结构示意图。
【具体实施方式】
为了更好的理解本申请的技术方案，下面结合附图对本申请实施例进行详细描述。
应当明确，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
图1为本申请音乐推荐方法一个实施例的流程图，如图1所示，上述音乐推荐方法可以包括：
步骤101，从音乐播放应用提供的曲库中选择第一歌曲和第二歌曲。
其中，第一歌曲和第二歌曲均为音乐播放应用提供的曲库中的歌曲，在具体选择时，可以从热门歌曲中选择第一歌曲，从长尾产品中选择第二歌曲，当然第一歌曲和第二歌曲也可以均从长尾产品中选择，本实施例对此不作限定，从而达到盘活曲库中长尾产品的目的。
步骤102，获取使用上述音乐播放应用的用户中喜欢第一歌曲的第一用户集合，以及喜欢第二歌曲的第二用户集合。
步骤103，获取上述第一用户集合和上述第二用户集合的交集，从上述交集中选择目标用户。
步骤104，获取上述目标用户对第一歌曲的兴趣度，以及获取第一歌曲与第二歌曲的相似度。
本实施例中，获取第一歌曲和第二歌曲的相似度时可以采用基于物品的协同滤波算法，其核心内容是：如果喜欢第一歌曲的用户中很多也喜欢第二歌曲，则认为第一歌曲与第二歌曲有很大的相关性，可以为只听过第一歌曲的用户推荐第二歌曲。
需要注意的是，因为热门歌曲的消费面广，使得任何歌曲都和热门歌曲有很大的相似度，同时每个用户产生行为的权重也不一样，比如活跃用户因为大量的消费行为，导致许多歌曲之间都产生了联系，这显然是不能完全等同不活跃用户产生的行为的，所以本实施例对热门歌曲和活跃用户做了一定的惩罚。一般认为，冷门歌曲比热门歌曲更反映兴趣，不活跃用户比活跃用户的消费行为更有价值，当然此处“专家”用户不包括在活跃用户中。
具体地，获取第一歌曲与第二歌曲的相似度可以为：根据第一用户集合所包含的用户的数量和第二用户集合所包含的用户的数量，计算第一歌曲和第二歌曲的相关性；通过上述目标用户喜欢的歌曲的数量对第一歌曲和第二歌曲的相关性进行惩罚，获得第一歌曲和第二歌曲的相似度。
在具体实现时，计算上述第一歌曲和上述第二歌曲的相似度可以如式(1)所示。
式(1)中，wij为上述第一歌曲i和上述第二歌曲j的相似度；N(i)为喜欢第一歌曲i的用户的数量，N(j)为喜欢第二歌曲j的用户的数量；N(u)为使用音乐播放应用的目标用户喜欢的歌曲的数量。式(1)中，即为通过使用音乐播放应用的目标用户喜欢的歌曲的数量对上述第一歌曲和上述第二歌曲的相关性进行惩罚的惩罚因子。
步骤105，根据上述相似度和上述目标用户对上述第一歌曲的兴趣度，计算上述目标用户对上述第二歌曲的兴趣度。
具体地，在获得第一歌曲和第二歌曲的相似度之后，可以根据上述相似度和上述目标用户对上述第一歌曲的兴趣度，计算上述目标用户对上述第二歌曲的兴趣度，如式(2)所示。一般来说，与目标用户历史上感兴趣的音乐越相似的音乐，越有可能获得更高的兴趣度。
puj＝∑i∈N(u)∩S(j，K)wijrui (2)
式(2)中，puj为目标用户对上述第二歌曲j的兴趣度；wij为上述第一歌曲i和上述第二歌曲j的相似度；S(j，K)为与第二歌曲j相似度高于预定阈值的K首歌曲的集合，其中歌曲的相似度可以按照式(1)计算，上述预定阈值可以在具体实现时根据系统性能和/或实现需求等自行设定，本实施例对上述预定阈值的大小不作限定；rui为目标用户对上述第一歌曲i的兴趣度，在具体实现时，可以根据目标用户对第一歌曲i的听歌行为确定目标用户对上述第一歌曲i的兴趣度，其中，目标用户对第一歌曲i的听歌行为包括目标用户对第一歌曲i的听歌记录(例如：听歌次数和/或是否单曲循环等)、点赞、分享和/或切歌等行为。
步骤106，根据上述目标用户对上述第二歌曲的兴趣度，向上述目标用户推荐歌曲。
具体地，计算上述目标用户对上述第二歌曲的兴趣度之后，即可根据上述目标用户对上述第二歌曲的兴趣度，向上述目标用户推荐歌曲。
另外，本实施例中，当上述目标用户首次使用上述音乐播放应用时，可以获取上述目标用户在互联网的历史记录和上述目标用户选择的音乐标签，根据上述目标用户在网络的历史记录和上述目标用户选择的音乐标签，为上述目标用户推荐歌曲。
其中，上述目标用户在互联网的历史记录可以包括上述目标用户的购物记录和/或上述目标用户在社交网络上的历史记录(包括：聊天记录、浏览记录、发帖记录、发微博记录和/或发朋友圈记录等)。
也就是说，对于第一次使用上述音乐播放应用的用户，由于并没有历史数据可供分析，因此需要用到冷启动技术。冷启动技术主要是为了通过上述目标用户在互联网的历史记录和上述目标用户选择的音乐标签寻找到上述目标用户的听歌特点，以便为上述目标用户提供初次的歌曲推荐，初次推荐要保证歌曲的多样性。
上述音乐推荐方法中，从音乐播放应用提供的曲库中选择第一歌曲和第二歌曲，获取使用上述音乐播放应用的用户中喜欢上述第一歌曲的第一用户集合，以及喜欢上述第二歌曲的第二用户集合，获取上述第一用户集合和上述第二用户集合的交集，从上述交集中选择目标用户，获取上述目标用户对第一歌曲的兴趣度，以及获取上述第一歌曲与上述第二歌曲的相似度之后，根据上述相似度和上述目标用户对上述第一歌曲的兴趣度，计算上述目标用户对第二歌曲的兴趣度，最后根据上述目标用户对第二歌曲的兴趣度，向上述目标用户推荐歌曲，从而可以实现根据曲库中歌曲的相似度和目标用户的兴趣为目标用户推荐歌曲，盘活了曲库中的海量作品。
图2为本申请音乐推荐方法另一个实施例的流程图，如图2所示，本申请图1所示实施例中，上述第二歌曲可以包括至少两首歌曲；这时，步骤106可以包括：
步骤201，根据上述目标用户对至少两首第二歌曲的兴趣度，对上述至少两首第二歌曲进行排序，获得对上述目标用户的初始推荐结果。
步骤202，对上述初始推荐结果进行排序，获得上述目标用户的最终推荐结果。
步骤203，将上述最终推荐结果中的歌曲推荐给上述目标用户。
本实施例中，在获得了对上述目标用户的初始推荐结果以后，要对初始推荐结果进行进一步的处理以得到最终推荐结果。当然处理需要一定的规则，需要通过对每个用户的听歌行为进行进一步分析，以得到符合其个人特性的专属歌曲推荐，另外还要考虑时间多样性。
图3为本申请音乐推荐方法再一个实施例的流程图，如图3所示，本申请图2所示实施例中，步骤202可以包括：
步骤301，获取上述目标用户的听歌行为，上述目标用户的听歌行为包括上述目标用户的听歌记录、对歌曲的点赞、分享和/或切歌的行为。
步骤302，根据上述目标用户的听歌行为对上述初始推荐结果进行排序，获得上述目标用户的最终推荐结果。
本实施例中，根据目标用户的听歌行为对初始推荐结果进行排序，具体地，可以根据目标用户的听歌行为，结合歌曲新颖性等因素，得到一个多变量的方程，根据上述方程计算获得上述初始推荐结果中每首歌曲的得分，根据得分对初始推荐结果进行排序，获得上述目标用户的最终推荐结果，从而可以实现在目标用户有新的听歌行为之后，实时根据上述目标用户的听歌行为对上述初始推荐结果进行排序，获得最终推荐结果，满足了目标用户最近的需求。
图4为本申请音乐推荐方法再一个实施例的流程图，如图4所示，本申请图2所示实施例中，步骤202可以为：
步骤401，按照预定的周期或者定时对上述初始推荐结果进行排序，获得上述目标用户的最终推荐结果。
其中，上述预定的周期或者定时可以在具体实现时根据系统性能和/或实现需求等设定，本实施例对上述预定的周期或者定时的长短不作限定。
本实施例中，按照预定的周期或者定时对上述初始推荐结果进行排序，获得上述目标用户的最终推荐结果，从而可以实现上述目标用户在不同的时间使用推荐得到的最终推荐结果是不同的，即便上述目标用户没有新的听歌行为，推荐给目标用户的最终推荐结果也是按照预定的周期或者定时更新的。
图5为本申请音乐推荐装置一个实施例的结构示意图，本实施例中的音乐推荐装置可以实现本申请实施例提供的音乐推荐方法。如图5所示，上述音乐推荐装置可以包括：选择模块51、获取模块52、计算模块53和推荐模块54；
其中，选择模块51，用于从音乐播放应用提供的曲库中选择第一歌曲和第二歌曲；其中，第一歌曲和第二歌曲均为音乐播放应用提供的曲库中的歌曲，在具体选择时，可以从热门歌曲中选择第一歌曲，从长尾产品中选择第二歌曲，当然第一歌曲和第二歌曲也可以均从长尾产品中选择，本实施例对此不作限定，从而达到盘活曲库中长尾产品的目的。
获取模块52，用于获取使用上述音乐播放应用的用户中喜欢第一歌曲的第一用户集合，以及喜欢第二歌曲的第二用户集合；获取第一用户集合和第二用户集合的交集，从上述交集中选择目标用户；以及获取上述目标用户对上述第一歌曲的兴趣度，以及获取第一歌曲与第二歌曲的相似度。
本实施例中，获取第一歌曲和第二歌曲的相似度时可以采用基于物品的协同滤波算法，其核心内容是：如果喜欢第一歌曲的用户中很多也喜欢第二歌曲，则认为第一歌曲与第二歌曲有很大的相关性，可以为只听过第一歌曲的用户推荐第二歌曲。
需要注意的是，因为热门歌曲的消费面广，使得任何歌曲都和热门歌曲有很大的相似度，同时每个用户产生行为的权重也不一样，比如活跃用户因为大量的消费行为，导致许多歌曲之间都产生了联系，这显然是不能完全等同不活跃用户产生的行为的，所以本实施例对热门歌曲和活跃用户做了一定的惩罚。一般认为，冷门歌曲比热门歌曲更反映兴趣，不活跃用户比活跃用户的消费行为更有价值，当然此处“专家”用户不包括在活跃用户中。
本实施例中，获取模块52，具体用于根据第一用户集合所包含的用户的数量和第二用户集合所包含的用户的数量，计算第一歌曲和第二歌曲的相关性；通过上述目标用户喜欢的歌曲的数量对第一歌曲和第二歌曲的相关性进行惩罚，获得第一歌曲和第二歌曲的相似度。
在具体实现时，获取模块52计算上述第一歌曲和上述第二歌曲的相似度可以如式(1)所示。
具体地，在获得第一歌曲和第二歌曲的相似度之后，计算模块53可以根据上述相似度和上述目标用户对上述第一歌曲的兴趣度，计算上述目标用户对上述第二歌曲的兴趣度，如式(2)所示。一般来说，与目标用户历史上感兴趣的音乐越相似的音乐，越有可能获得更高的兴趣度。
推荐模块54，用于根据计算模块53计算的上述目标用户对上述第二歌曲的兴趣度，向上述目标用户推荐歌曲。
具体地，计算模块53计算上述目标用户对上述第二歌曲的兴趣度之后，推荐模块54即可根据上述目标用户对上述第二歌曲的兴趣度，向上述目标用户推荐歌曲。
上述音乐推荐装置中，选择模块51从音乐播放应用提供的曲库中选择第一歌曲和第二歌曲，获取模块52获取使用上述音乐播放应用的用户中喜欢上述第一歌曲的第一用户集合，以及喜欢上述第二歌曲的第二用户集合，获取上述第一用户集合和上述第二用户集合的交集，从上述交集中选择目标用户，获取上述目标用户对第一歌曲的兴趣度，以及获取上述第一歌曲与上述第二歌曲的相似度之后，计算模块53根据上述相似度和上述目标用户对上述第一歌曲的兴趣度，计算上述目标用户对第二歌曲的兴趣度，最后推荐模块54根据上述目标用户对第二歌曲的兴趣度，向上述目标用户推荐歌曲，从而可以实现根据曲库中歌曲的相似度和目标用户的兴趣为目标用户推荐歌曲，盘活了曲库中的海量作品。
图6为本申请音乐推荐装置另一个实施例的结构示意图，与图5所示的音乐推荐装置相比，不同之处在于，图6所示的音乐推荐装置中，推荐模块54可以包括：排序子模块541和歌曲推荐子模块542；
其中，排序子模块541，用于当上述第二歌曲包括至少两首歌曲时，根据上述目标用户对至少两首第二歌曲的兴趣度，对上述至少两首第二歌曲进行排序，获得对上述目标用户的初始推荐结果；以及对上述初始推荐结果进行排序，获得上述目标用户的最终推荐结果；
歌曲推荐子模块542，用于将排序子模块541获得的最终推荐结果中的歌曲推荐给上述目标用户。
本实施例中，在排序子模块541获得了对上述目标用户的初始推荐结果以后，要对初始推荐结果进行进一步的处理以得到最终推荐结果。当然处理需要一定的规则，需要通过对每个用户的听歌行为进行进一步分析，以得到符合其个人特性的专属歌曲推荐，另外还要考虑时间多样性。
其中，排序子模块541，具体用于获取上述目标用户的听歌行为，上述目标用户的听歌行为包括所述目标用户的听歌记录、对歌曲的点赞、分享和/或切歌的行为；根据上述目标用户的听歌行为对上述初始推荐结果进行排序，获得上述目标用户的最终推荐结果。
本实施例中，排序子模块541根据目标用户的听歌行为对初始推荐结果进行排序，具体地，排序子模块541可以根据目标用户的听歌行为，结合歌曲新颖性等因素，得到一个多变量的方程，根据上述方程计算获得上述初始推荐结果中每首歌曲的得分，根据得分对初始推荐结果进行排序，获得上述目标用户的最终推荐结果，从而可以实现在目标用户有新的听歌行为之后，实时根据上述目标用户的听歌行为对上述初始推荐结果进行排序，获得最终推荐结果，满足了目标用户最近的需求。
本实施例中，排序子模块541，具体用于按照预定的周期或者定时对上述初始推荐结果进行排序，获得上述目标用户的最终推荐结果。
其中，上述预定的周期或者定时可以在具体实现时根据系统性能和/或实现需求等设定，本实施例对上述预定的周期或者定时的长短不作限定。
本实施例中，排序子模块541按照预定的周期或者定时对上述初始推荐结果进行排序，获得上述目标用户的最终推荐结果，从而可以实现上述目标用户在不同的时间使用推荐得到的最终推荐结果是不同的，即便上述目标用户没有新的听歌行为，推荐给目标用户的最终推荐结果也是按照预定的周期或者定时更新的。
进一步地，获取模块52，还用于当目标用户首次使用上述音乐播放应用时，获取上述目标用户在网络的历史记录和上述目标用户选择的音乐标签；
推荐模块54，还用于根据上述目标用户在互联网的历史记录和上述目标用户选择的音乐标签，为上述目标用户推荐歌曲。
其中，上述目标用户在互联网的历史记录可以包括上述目标用户的购物记录和/或上述目标用户在社交网络上的历史记录(包括：聊天记录、浏览记录、发帖记录、发微博记录和/或发朋友圈记录等)。
也就是说，对于第一次使用上述音乐播放应用的用户，由于并没有历史数据可供分析，因此需要用到冷启动技术。冷启动技术主要是为了通过上述目标用户在互联网的历史记录和上述目标用户选择的音乐标签寻找到上述目标用户的听歌特点，以便为上述目标用户提供初次的歌曲推荐，初次推荐要保证歌曲的多样性。
图7为本申请计算机设备一个实施例的结构示意图，上述计算机设备可以包括存储器、处理器及存储在上述存储器上并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时，可以实现本申请实施例提供的音乐推荐方法。
其中，上述计算机设备可以为服务器，例如：云服务器等，本实施例对上述计算机设备的具体形态不作限定。
图7示出了适于用来实现本申请实施方式的示例性计算机设备12的框图。图7显示的计算机设备12仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture；以下简称：ISA)总线，微通道体系结构(Micro Channel Architecture；以下简称：MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation；以下简称：VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection；以下简称：PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory；以下简称：RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图7未显示，通常称为“硬盘驱动器”)。尽管图7中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(Compact Disc Read OnlyMemory；以下简称：CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory；以下简称：DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本申请所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network；以下简称：LAN)，广域网(Wide Area Network；以下简称：WAN)和/或公共网络，例如因特网)通信。如图7所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图7中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本申请实施例提供的音乐推荐方法。
本申请实施例还提供一种非临时性计算机可读存储介质，其上存储有计算机程序，上述计算机程序被处理器执行时可以实现本申请实施例提供的音乐推荐方法。
上述非临时性计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(Read Only Memory；以下简称：ROM)、可擦式可编程只读存储器(ErasableProgrammable Read Only Memory；以下简称：EPROM)或闪存、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LocalArea Network；以下简称：LAN)或广域网(Wide Area Network；以下简称：WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
需要说明的是，本申请实施例中所涉及的终端可以包括但不限于个人计算机(Personal Computer；以下简称：PC)、个人数字助理(Personal Digital Assistant；以下简称：PDA)、无线手持设备、平板电脑(Tablet Computer)、手机、MP3播放器、MP4播放器等。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(Processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory；以下简称：ROM)、随机存取存储器(Random Access Memory；以下简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。
Claims (10)
1.一种音乐推荐方法，其特征在于，包括：
从音乐播放应用提供的曲库中选择第一歌曲和第二歌曲；
获取使用所述音乐播放应用的用户中喜欢所述第一歌曲的第一用户集合，以及喜欢所述第二歌曲的第二用户集合；
获取所述第一用户集合和所述第二用户集合的交集，从所述交集中选择目标用户；
获取所述目标用户对所述第一歌曲的兴趣度，以及获取所述第一歌曲与所述第二歌曲的相似度；根据所述相似度和所述目标用户对所述第一歌曲的兴趣度，计算所述目标用户对所述第二歌曲的兴趣度；
根据所述目标用户对所述第二歌曲的兴趣度，向所述目标用户推荐歌曲。
2.根据权利要求1所述的方法，其特征在于，所述获取所述第一歌曲与所述第二歌曲的相似度包括：
根据所述第一用户集合所包含的用户的数量和所述第二用户集合所包含的用户的数量，计算所述第一歌曲和所述第二歌曲的相关性；
通过所述目标用户喜欢的歌曲的数量对所述第一歌曲和所述第二歌曲的相关性进行惩罚，获得所述第一歌曲和所述第二歌曲的相似度。
3.根据权利要求1所述的方法，其特征在于，所述第二歌曲包括至少两首歌曲；
所述根据所述目标用户对所述第二歌曲的兴趣度，向所述目标用户推荐歌曲包括：
根据所述目标用户对至少两首第二歌曲的兴趣度，对所述至少两首第二歌曲进行排序，获得对所述目标用户的初始推荐结果；
对所述初始推荐结果进行排序，获得所述目标用户的最终推荐结果；
将所述最终推荐结果中的歌曲推荐给所述目标用户。
4.根据权利要求3所述的方法，其特征在于，所述对所述初始推荐结果进行排序，获得所述目标用户的最终推荐结果包括：
获取所述目标用户的听歌行为，所述目标用户的听歌行为包括所述目标用户的听歌记录、对歌曲的点赞、分享和/或切歌的行为；
根据所述目标用户的听歌行为对所述初始推荐结果进行排序，获得所述目标用户的最终推荐结果。
5.根据权利要求3所述的方法，其特征在于，所述对所述初始推荐结果进行排序，获得所述目标用户的最终推荐结果包括：
按照预定的周期或者定时对所述初始推荐结果进行排序，获得所述目标用户的最终推荐结果。
6.根据权利要求1-5任意一项所述的方法，其特征在于，还包括：
当所述目标用户首次使用所述音乐播放应用时，获取所述目标用户在网络的历史记录和所述目标用户选择的音乐标签；
根据所述目标用户在互联网的历史记录和所述目标用户选择的音乐标签，为所述目标用户推荐歌曲。
7.一种音乐推荐装置，其特征在于，包括：
选择模块，用于从音乐播放应用提供的曲库中选择第一歌曲和第二歌曲；
获取模块，用于获取使用所述音乐播放应用的用户中喜欢所述第一歌曲的第一用户集合，以及喜欢所述第二歌曲的第二用户集合；获取所述第一用户集合和所述第二用户集合的交集，从所述交集中选择目标用户；以及获取所述目标用户对所述第一歌曲的兴趣度，以及获取所述第一歌曲与所述第二歌曲的相似度；
计算模块，用于根据所述相似度和所述目标用户对所述第一歌曲的兴趣度，计算所述目标用户对所述第二歌曲的兴趣度；
推荐模块，用于根据所述计算模块计算的所述目标用户对所述第二歌曲的兴趣度，向所述目标用户推荐歌曲。
8.根据权利要求7所述的装置，其特征在于，
所述获取模块，具体用于根据所述第一用户集合所包含的用户的数量和所述第二用户集合所包含的用户的数量，计算所述第一歌曲和所述第二歌曲的相关性；通过所述目标用户喜欢的歌曲的数量对所述第一歌曲和所述第二歌曲的相关性进行惩罚，获得所述第一歌曲和所述第二歌曲的相似度。
9.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-6中任一所述的方法。
10.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811332639.4A CN109299316B (zh) | 2018-11-09 | 2018-11-09 | 音乐推荐方法、装置和计算机设备 |
| PCT/CN2018/123726 WO2020093559A1 (zh) | 2018-11-09 | 2018-12-26 | 音乐推荐方法、装置和计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811332639.4A CN109299316B (zh) | 2018-11-09 | 2018-11-09 | 音乐推荐方法、装置和计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109299316A true CN109299316A (zh) | 2019-02-01 |
| CN109299316B CN109299316B (zh) | 2023-04-18 |
Family
ID=65146803
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811332639.4A Active CN109299316B (zh) | 2018-11-09 | 2018-11-09 | 音乐推荐方法、装置和计算机设备 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN109299316B (zh) |
| WO (1) | WO2020093559A1 (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110096614A (zh) * | 2019-04-12 | 2019-08-06 | 腾讯科技（深圳）有限公司 | 信息推荐方法及装置、电子设备 |
| CN110837599A (zh) * | 2019-11-14 | 2020-02-25 | 广州酷狗计算机科技有限公司 | 一种推送音频数据的方法、装置、设备及存储介质 |
| CN112598475A (zh) * | 2020-12-28 | 2021-04-02 | 深圳壹账通创配科技有限公司 | 配件推荐方法、系统、设备及存储介质 |
| CN112991009A (zh) * | 2021-03-08 | 2021-06-18 | 北京嘀嘀无限科技发展有限公司 | 对象推荐方法、装置、电子设备和存储介质 |
| CN113423015A (zh) * | 2021-08-23 | 2021-09-21 | 江西大江传媒网络股份有限公司 | 基于移动互联网的视频展播智能化推送预选系统 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111767426B (zh) * | 2020-06-22 | 2024-04-26 | 北京声智科技有限公司 | 一种歌曲推荐方法及装置 |
| CN112596712A (zh) * | 2020-12-28 | 2021-04-02 | 上海风秩科技有限公司 | 冷启动接口设计方法、系统、电子设备及存储介质 |
| CN112883215B (zh) * | 2021-03-17 | 2023-11-03 | 腾讯音乐娱乐科技（深圳）有限公司 | 音效推荐方法 |
| CN113010729B (zh) * | 2021-04-28 | 2023-08-18 | 杭州网易云音乐科技有限公司 | 一种信息处理方法、装置、介质和计算设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105159973A (zh) * | 2015-08-26 | 2015-12-16 | 努比亚技术有限公司 | 歌曲推荐装置和方法 |
| CN107885745A (zh) * | 2016-09-29 | 2018-04-06 | 亿览在线网络技术（北京）有限公司 | 一种歌曲推荐方法及装置 |
| CN108205533A (zh) * | 2016-12-16 | 2018-06-26 | 北京酷我科技有限公司 | 一种基于用户协同的歌曲推荐方法和系统 |
| CN108600792A (zh) * | 2018-04-02 | 2018-09-28 | 武汉斗鱼网络科技有限公司 | 一种相似度度量方法、装置、设备及存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103312702B (zh) * | 2013-05-31 | 2016-05-25 | 中国联合网络通信集团有限公司 | 业务推送方法及装置 |
| CN104008138B (zh) * | 2014-05-08 | 2017-06-30 | 南京邮电大学 | 一种基于社交网络的音乐推荐方法 |
| CN107977373B (zh) * | 2016-10-21 | 2020-09-08 | 北京酷我科技有限公司 | 一种歌曲的推荐方法 |
-
2018
- 2018-11-09 CN CN201811332639.4A patent/CN109299316B/zh active Active
- 2018-12-26 WO PCT/CN2018/123726 patent/WO2020093559A1/zh active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105159973A (zh) * | 2015-08-26 | 2015-12-16 | 努比亚技术有限公司 | 歌曲推荐装置和方法 |
| CN107885745A (zh) * | 2016-09-29 | 2018-04-06 | 亿览在线网络技术（北京）有限公司 | 一种歌曲推荐方法及装置 |
| CN108205533A (zh) * | 2016-12-16 | 2018-06-26 | 北京酷我科技有限公司 | 一种基于用户协同的歌曲推荐方法和系统 |
| CN108600792A (zh) * | 2018-04-02 | 2018-09-28 | 武汉斗鱼网络科技有限公司 | 一种相似度度量方法、装置、设备及存储介质 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110096614A (zh) * | 2019-04-12 | 2019-08-06 | 腾讯科技（深圳）有限公司 | 信息推荐方法及装置、电子设备 |
| CN110837599A (zh) * | 2019-11-14 | 2020-02-25 | 广州酷狗计算机科技有限公司 | 一种推送音频数据的方法、装置、设备及存储介质 |
| CN110837599B (zh) * | 2019-11-14 | 2024-05-24 | 广州酷狗计算机科技有限公司 | 一种推送音频数据的方法、装置、设备及存储介质 |
| CN112598475A (zh) * | 2020-12-28 | 2021-04-02 | 深圳壹账通创配科技有限公司 | 配件推荐方法、系统、设备及存储介质 |
| CN112991009A (zh) * | 2021-03-08 | 2021-06-18 | 北京嘀嘀无限科技发展有限公司 | 对象推荐方法、装置、电子设备和存储介质 |
| CN113423015A (zh) * | 2021-08-23 | 2021-09-21 | 江西大江传媒网络股份有限公司 | 基于移动互联网的视频展播智能化推送预选系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109299316B (zh) | 2023-04-18 |
| WO2020093559A1 (zh) | 2020-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109299316A (zh) | 音乐推荐方法、装置和计算机设备 | |
| CN110941740B (zh) | 视频推荐方法及计算机可读存储介质 | |
| US10021200B2 (en) | Methods and systems for activity-based recommendations | |
| US11995112B2 (en) | System and method for information recommendation | |
| CA2950421C (en) | Systems, methods and apparatus for generating music recommendations | |
| US20190354555A1 (en) | Dynamic faceting for personalized search and discovery | |
| US20100250526A1 (en) | Search System that Uses Semantic Constructs Defined by Your Social Network | |
| CN108733706A (zh) | 热度信息的生成方法和装置 | |
| EP2646964A2 (en) | Recommendations based on topic clusters | |
| US9767417B1 (en) | Category predictions for user behavior | |
| CN109993583B (zh) | 信息推送方法和装置、存储介质及电子装置 | |
| US9767204B1 (en) | Category predictions identifying a search frequency | |
| CN106294794A (zh) | 一种内容推荐方法及装置 | |
| US20190278819A1 (en) | Systems and methods of providing recommendations of content items | |
| US10664520B2 (en) | Personalized media presentation templates | |
| US20130332462A1 (en) | Generating content recommendations | |
| CN106713985A (zh) | 一种推荐网络视频的方法和装置 | |
| CN107562847A (zh) | 信息处理方法及相关产品 | |
| CN109754348A (zh) | 一种课程推送方法、装置、电子设备和介质 | |
| US9530024B2 (en) | Recommendation system for protecting user privacy | |
| CN104615749A (zh) | 铃音推荐方法及装置 | |
| US10387934B1 (en) | Method medium and system for category prediction for a changed shopping mission | |
| CN106844504B (zh) | 一种发送歌单标识的方法和装置 | |
| KR20200043687A (ko) | 개인화된 음악 추천 방법 및 이를 지원하는 서비스 장치 | |
| CN108520441A (zh) | 数据处理方法、介质、系统和计算设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |